Генеральный директор i2c: ИИ-агенты заставляют целые рабочие процессы исчезать

Генеральный директор i2c Амир Вейн в новом электронном издании PYMNTS «Building the Agent-Ready Payments Enterprise» пишет, что организации, успешно масштабирующие агентный ИИ, строят защитные механизмы до того, как они им понадобятся.

01Введение

По словам Амира Вейна, большинство компаний, внедряющих агентный ИИ, отвечают на неправильный вопрос. Они спрашивают, какую модель развернуть. Более сложный вопрос — была ли инфраструктура изначально спроектирована так, чтобы позволить чему-то действовать самостоятельно.

02Три эры ИИ

Вейн наблюдал, как ИИ прошел через три эры: системы, основанные на правилах, в 1980-х годах; машинное обучение, которое обнаруживало закономерности примерно с 2010 года; и теперь агентный ИИ — системы, которые рассуждают, действуют автономно, оркеструют действия в разных системах и учатся на каждом результате.

Генеративный ИИ дал нам рассуждения. Агентный ИИ добавляет восприятие, действие и память.

03Архитектура как ключевой фактор успеха

Компании, побеждающие в эту эпоху, не обязательно те, у кого самая сложная стратегия в области искусственного интеллекта. Это те, чья архитектура была построена для его поддержки. Агент может оркестровать только те системы, которые он видит, и может действовать в реальном времени только в том случае, если базовая платформа реагирует на события по мере их возникновения.

Когда ИИ накладывается на разрозненные системы и несвязанные данные, то, что выглядит как ИИ-инициатива, быстро превращается в проект интеграции данных.

04Опыт i2c

Вейн отмечает, что в i2c это поняли на собственном опыте. Решения, принятые годы назад для создания единой модели данных на платформе, сейчас приносят результаты, которые он не до конца предвидел. Системы борьбы с мошенничеством могут считывать сигналы по всем взаимоотношениям с клиентом, а не только по одному типу транзакций, и постоянно учатся на результатах. Эта основа позволяет приблизить принятие решений к самой транзакции.

05Пример управления мошенничеством

Самый наглядный пример — управление мошенничеством. То, что когда-то требовало проверки аналитиком и процесса в колл-центре, все чаще может обрабатываться непосредственно в потоке транзакций. Аномалия обнаруживается, инициируется действие, и клиентский опыт превращается в быстрое подтверждение, а не в неловкий отказ или длительный процесс спора. Это не автоматизация шага. Это полное удаление шага.

06Права принятия решений и управление

По мере роста автономии меняются права принятия решений. Суждения, которые когда-то принадлежали людям, все чаще переходят к системам, а люди занимают позицию для вмешательства, а не для одобрения каждого действия. Достижение правильного баланса имеет значение: слишком большой контроль ограничивает ценность автономии, слишком малый — создает ненужный риск.

Именно поэтому управление становится критически важным. Разрешения, аудиторские следы и человеческий надзор не могут быть запоздалой мыслью. Организации, успешно масштабирующие агентный ИИ, строят эти защитные механизмы до того, как они понадобятся, а не после того, как инцидент выявит пробелы.

07Строить или покупать

Разговор «строить против покупать» тоже меняется. Если организация не работает в масштабе крупнейших игроков своей отрасли, создание собственной проприетарной ИИ-инфраструктуры с нуля редко является лучшим использованием капитала или талантов. Лучший вопрос — какие возможности действительно отличают ваш бизнес, а какие уже хорошо решены надежными партнерами. Стройте там, где это создает конкурентное преимущество. Партнерствуйте там, где нет.

08Неизменные принципы оценки ИИ

Что не изменилось, так это дисциплина, необходимая для оценки любого варианта использования искусственного интеллекта: экономическая выгода, структурированные данные, реальный масштаб и возможность аудита. Агентный ИИ не снижает эту планку. Он повышает ставки, потому что эти системы больше не просто советуют. Они действуют.